一种基于数据驱动的无人飞行器传感器故障检测方法、系统及装置

    公开(公告)号:CN113850138A

    公开(公告)日:2021-12-28

    申请号:CN202110982779.1

    申请日:2021-08-25

    Abstract: 一种基于数据驱动的无人飞行器传感器故障检测方法、系统及装置,属于无人机飞行器故障检测领域。目前无人飞行器传感器很难被检测,发生故障很容易造成无人飞行器坠毁。本发明设计一种故障检测方法、系统和装置实现无人飞行器故障检测,包括:采集无人飞行器传感器参数数据、电机数据和舵面数据;对采集的传感器参数数据、电机数据和舵面数据进行预处理,过滤掉高频噪声;根据无人飞行器的预处理的数据,使用深度学习算法对数据进行特征提取,并对目标参数进行预估;目标参数的估计值与观测值进行求取残差处理,并根据预设的阈值进行判断无人飞行器是否发生故障。本发明适用于无人飞行器故障检测领域,提升无人飞行器飞行的安全性。

    一种基于数据驱动的无人飞行器传感器故障检测方法、系统及装置

    公开(公告)号:CN113850138B

    公开(公告)日:2024-03-22

    申请号:CN202110982779.1

    申请日:2021-08-25

    Abstract: 一种基于数据驱动的无人飞行器传感器故障检测方法、系统及装置,属于无人机飞行器故障检测领域。目前无人飞行器传感器很难被检测,发生故障很容易造成无人飞行器坠毁。本发明设计一种故障检测方法、系统和装置实现无人飞行器故障检测,包括:采集无人飞行器传感器参数数据、电机数据和舵面数据;对采集的传感器参数数据、电机数据和舵面数据进行预处理,过滤掉高频噪声;根据无人飞行器的预处理的数据,使用深度学习算法对数据进行特征提取,并对目标参数进行预估;目标参数的估计值与观测值进行求取残差处理,并根据预设的阈值进行判断无人飞行器是否发生故障。本发明适用于无人飞行器故障检测领域,提升无人飞行器飞行的安全性。

    一种基于盐度的多源遥感绿潮生长速率测量方法

    公开(公告)号:CN118865160A

    公开(公告)日:2024-10-29

    申请号:CN202411296741.9

    申请日:2024-09-18

    Abstract: 一种基于盐度的多源遥感绿潮生长速率测量方法,包括:S1、获取目标海域的多源遥感数据,包括营养盐浓度、海表温度、光照强度和海域盐度;S2、对海上目标区域的多源遥感数据进行预处理,将多源遥感数据重采样至预设分辨率的格网中;S3、使用预处理后的多源遥感数据,根据绿潮生长速率计算模型,计算海上目标区域的绿潮生长速率;其中,绿潮生长速率计算模型融合了海表温度、光照强度、营养盐浓度自遮光限制以及海域盐度各自对绿潮生长速率产生影响的控制函数。本发明完善实际海域盐度变化较大情况下的大空间尺度内绿潮生长速率的计算,提高基于多源遥感数据计算绿潮生长速率的精度,为实际绿潮灾害的监测与防治提供有效解决手段及技术支撑。

    基于卫星边缘计算的安全在轨差异识别方法

    公开(公告)号:CN118139041B

    公开(公告)日:2024-07-05

    申请号:CN202410543385.X

    申请日:2024-05-05

    Abstract: 一种基于卫星边缘计算的安全在轨差异识别方法,在初始化阶段,可信第三方TA配置基本安全参数,初始化布谷鸟过滤器,并为两颗卫星分别选择对称的可逆矩阵作为密钥,同时生成公钥,并在卫星与地面站之间共享对称会话密钥。在粗粒度比较阶段,两颗卫星将收集的遥感图像划分为子图像,并通过布谷鸟过滤器识别可能存在差异的子图像,然后使用MSIP协议计算子图像的结构化项向量的内积,以比较差异而保护数据隐私。在细粒度比较和识别阶段,第二卫星利用DCTree结构进一步精确识别差异。在结果处理阶段,第二卫星将根据比较结果决定是否将加密的子图像内容发送至地面站。该方法确保了卫星间数据交换的安全性和保密性,同时减少了卫星下行传输的数据量。

    一种基于图注意力网络的星图识别方法

    公开(公告)号:CN117727063B

    公开(公告)日:2024-04-16

    申请号:CN202410171582.3

    申请日:2024-02-07

    Abstract: 一种基于图注意力网络的星图识别方法,包括:将待识别星图中的每个星点视为一个图节点,提取星图的拓扑图数据,拓扑图数据包括星图中所有星点的特征构成的特征矩阵,以及用于表征星图中的星点之间的连接关系及权重的邻接矩阵;将拓扑图数据输入经训练的图注意力网络,通过图注意力网络识别星图中的主星;图注意力网络包含基于掩膜图注意力机制的图注意力层,特征矩阵和邻接矩阵输入图注意力层后,使用通过掩膜图注意力机制计算得到的自注意力指标矩阵,对邻接矩阵进行掩膜处理得到注意力矩阵,以注意力矩阵代替邻接矩阵,实现对每个星点特征之间的消息聚合。该星图识别方法具有很好的鲁棒性和识别准确率,视场内星点较少时也能够稳定匹配。

    一种绿潮表层沉降区遥感识别方法

    公开(公告)号:CN117541927A

    公开(公告)日:2024-02-09

    申请号:CN202311629056.9

    申请日:2023-12-01

    Abstract: 一种绿潮表层沉降区遥感识别方法,包括如下步骤:S1、对海上目标区域的多源遥感数据进行重采样以匹配统一的分辨率;从所述多源遥感数据提取长时间序列上的绿潮活动轨迹;S2、使用所述多源遥感数据映射绿潮沉降区内的总碳和总氮的比值即CN比值;S3、计算区域内绿潮生长速率,并确定CN比值在遥感数据中的具体数值;S4、基于所确定的有绿潮活动轨迹、绿潮生长速率小于1和CN比值大于0的区域,计算满足以上条件的区域内的CN比值均值,以此来构建绿潮表层沉降区识别模型以确定绿潮的表层沉降区。与传统技术相比,本发明提供了一种能够弥补传统绿潮沉降区监测耗费大、范围小等缺点的快速、动态及大范围的遥感识别方法。

Patent Agency Ranking